Cours 6 à 12 Flashcards

Question

Comment trouver une bonne variable

Answer 1

indicateur auquel des **valeurs sont assignées** Degrés, quantités, différences, etc. Précise de quelle façon les indicateurs seront codifiés Les indicateurs deviennent alors des variables Une variable n’est **pas nécessairement la réponse à une question d’un questionnaire**. Elle peut **aussi être un calcul** Exemple : le ratio mensuel du nombre de voies de faits commis à Montréal / 100 000 habitants

Answer 2

Nominale / catégorielle Ordinale Continue (intervalle ou ratio)

Answer 3

Séparé en catégories plusieurs possible (**dichotomique** ou **polytomique**) Il n'y a pas de valeur qui a plus d'importance qu'une autre PAS d'opérations mathématiques, sauf si c'est pour une analyse descriptive (ex: fréquences)

Answer 4

Échelle qui va impliquer un rang (un peu, moyen, bcp, énormément) Certaines valeurs vont avoir plus de force que d'autres La distance entre chacune des valuers n'est pas toujours égale (dépend de l'imterprétation)

Answer 5

Peut les mettre en ordre avec des chiffres et la distance entre chaque valeurs est égale (valeurs réelles) **Intervalle**: n'a pas de 0 absolu où le 0 ne signifie PAS l'absence du phénomène (ex: température) **Ratio**: 0 signifie une absence du phénomène (ex: nombre de crime)

Answer 6

Quel âge avez-vous? (variable continue) À quelle catégorie d'âge entre jeune et âgé (variable nominale) Quel âge entre 0-5, 6-10, 11-15, etc... (Variable ordinale)

Answer 7

relative à une variable : distributions de fréquences une seule variable est regardé = analyse descriptive

Answer 8

- Prendre connaissance des données (donner une première idée) - Voir la distribution des variables à travers l’échantillon - Détecter les problèmes : --Valeurs manquantes (pas répondu) --Données aberrantes (répondu n'importe quoi) --Catégories devant être retravaillées - Évaluer les possibilités d’analyse

Answer 9

- Étape préliminaire - Idée générale de la nature des variables - Orienter les analyses subséquentes - Lorsqu’on a un problème, la solution se trouve souvent lors de l’étape des analyses descriptives… (va permettre de savoir quel est le type d'une variable)

Answer 10

- mesure de tendance centrale - mesures de dispersion - distribution des résultats (variables continues)

Answer 11

Utilité: - Indiquent où se trouve la majeure partie des données - Score typique (moyenne de groupe) - Effort de synthèse Contient: - mode - médiane - moyenne

Answer 12

Valeur la plus fréquente d’un ensemble de données Pour variables NOMINALES, ORDINALES et CONTINUES Rarement employé seul

Answer 13

Observation du milieu 2 3 3 4 4 ***4*** 4 4 4 5 5 Pour variable ORDINALE et CONTINUE

Answer 14

Mesure de tendance centrale la plus courante où X est une valeur numérique réelle Pour variable CONTINUE seulement

Answer 15

Les mesures de tendance centrale ne suffisent pas Étalement des valeurs autour d’une valeur centrale Étendue Variance Écart-type

Answer 16

Max - min = étendue

Answer 17

Dispersion de chaque observation **autour de la moyenne** (Somme(Chaque valeur – la moyenne)^2)/(n-1) (éviter les conflits entre valeurs négatives et positives) | petite variance, donc plus près de a moyenne

Answer 18

Racine carrée de la variance. 68,2% des résultats sont compris entre -1 et +1 ET 95,4% des résultats sont compris entre -2 et +2 ET 99,6% des résultats sont compris entre -3 et +3 ET Un grand écart-type va avoir des données étalées La moyenne est ligne centrale qui sépare en 2

Answer 19

Moyenne, médiane et mode sont au même point et les données sont également réparties de chaque côté de la normale. Pour variable CONTINUES NORMALE et ORDINALE vont utiliser des histogrammes

Answer 20

Indice d'aplatissement, étalement par rapport à la moyenne (tous par rapport à la loi normale (distribution normale)) - Distribution leptocurtique (haute et mince) - Distribution normale - Distribution platicurtique (basse et large)

Answer 21

indice de symétrie **Right skewed / asymétrie positive** : La majorité des données à gauche, diminue à droite **Left skewed / asymétrie négative** : la majorité des données sont à droite, diminue à gauche

Answer 22

Va être mesuré avec des indicateurs (valeurs observables) Valeur observable=valeur latente+erreur

Answer 23

construction d’une échelle de mesure composite - On regroupe plusieurs indicateurs (questions) - On obtient ainsi une variance plus juste et réelle

Answer 24

Peu d’observations pour mesurer un phénomène Peu de choix de réponse (dichotomique vs continue) Tout le monde répond la même chose (ex : sadisme) (ne permet pas une bonne diversité de score)

Answer 25

Mesurer : opération qui consiste à **assigner des nombres** à des objets, à des événements ou à des situations **selon certaines règles**. Passer du construit théorique à une expression quantifiable / mesurable Erreur de mesure : **différence** entre la mesure réelle **(score vrai)** et celle qui est prise à l’aide d’un instrument de mesure **(score observé)**

Answer 26

Instrument psychométrique : Outil **développé scientifiquement** qui permet de **mesurer un concept latent** de manière objective et **standardisée** Peut prendre plusieurs formes Objectif : la mesure la moins imparfaite possible, **diminuer au maximum l’erreur**

Answer 27

1. **Standardisation** : uniformité de la démarche d’administration et de correction des réponses 2. **Objectivité** : les résultats obtenus ne résultent pas d’une évaluation subjective 3. **Propriétés psychométriques** : fidélité et validité

Answer 28

Respecter la fidélité et la validité permet de se f**ier aux données recueillies** et de **tirer des conclusions plausibles** à partir des résultats obtenus Les professionnels prennent des décisions importantes et **analysent des situations délicates** Exemple : relâcher un criminel dangereux

Answer 29

Fidélité : **précision et stabilité** de la mesure Ce que nous mesurons est-il mesuré sans erreur ? quelle est la précision de la mesure ? quelle est la constance de la mesure ? **Résultats constants** Validité : **représentativité **de la mesure

Answer 30

Stabilité temporelle : **constance sur le plan temporel** des **mesures répétées** prises auprès d’un **même groupe** de participants Technique : **Test et re-test** avec un délai de **2 à 4 semaines** entre les deux passations Coefficient de corrélation (r) entre les résultats obtenus aux deux passations (0,7 et 0,9)

Answer 31

: **fidélité** entre **deux versions équivalentes** d’un instrument de mesure Technique : **Coefficient de corrélation** entre les 2 versions d’un même instrument de mesure (0,7 et 0,8)

Answer 32

degré auquel **deux observateurs (ou plus)** obtiennent les **mêmes résultats **sur le même événement observé Technique : Pourcentage de concordance entre les observateurs Sujets c**lassés dans les mêmes catégories** (kappa > 80% suffisant) Corrélation entre les résultats fournis pour chaque énoncé Corrélation intraclasse > 75% suffisant

Answer 33

degré d’**homogénéité des énoncés** d’un instrument de mesure. C’est le lien de chaque énoncé avec le total de l’échelle Technique : **Coefficient alpha de Cronbach** Bonne fidélité : - Alpha de Cronbach > 0,70 est une bonne consistance interne - Les indicateurs corrélés négativement ou qui font baisse l’alpha sous 0,70 sont retirés de l’échelle

Answer 34

Validité de contenu Validité de construit Validité convergente Validité discriminante Validité de critère Validité concomitante Validité prédictive

Answer 35

Validité de contenu : indique que les **énoncés qui déterminent le contenu sont représentatifs** du ou des construits mesurés et de leurs différentes facettes (dimensions) Technique : décision **subjective** (réévaluation périodiquement), pas de test précis pour évaluer la validité de contenu. Elle s’évalue par une **accumulation d’évidences**, on s’appuie sur la littérature --> **conceptualisation** Bonne validité : Les items doivent **couvrir tous les aspects principaux** du concept mesuré Les items doivent** couvrir** ces différents aspects de **manière proportionnelle** L’instrument ne doit **pas **contenir d**’items non-pertinents** ## Footnote estimation de la représentativité d'une mesure pour chaque élément d'une mise en situation

Answer 36

Validité de construit – validité convergente : indique que **2 mesures** censées **refléter le même construit** produiront des **résultats similaires** Technique : Coefficient de corrélation (r) ## Footnote Cependant la validité convergente, ne suffit pas, il faut vérifier la validité discriminante.

Answer 37

Validité de construit – validité discriminante : Désigne la **capacité de l’instrument** à établir une d**istinction entre des groupes** dont la **différence est connue** Technique : Test de comparaison de moyennes Bonne validité : Test significatif ## Footnote Besoin d'une bonne validité convergente et discriminante, sinon ne peut pas être utilisé

Answer 38

Validité de critère – validité concomitante : Établit la **validité d’un nouvel instrument** de mesure pris simultanément **avec** une **mesure reconnue comme valide** (mesure avec test référentiel) bon si haute correlation Technique : Coefficient de **corrélation entre deux instruments** de mesure représentant un même concept (à un seul temps de mesure)

Answer 39

Validité de critère – validité prédictive : Détermine **si le résultat actuel**, obtenu à l’aide d’un instrument, peut être **utilisé pour prédire un résultat ultérieur** Technique : **Coefficient de corrélation** entre une mesure d’un concept au **temps 1 et au temps 2** (période plus grande que le test-retest), ou entre la mesure d’un concept et un autre qui lui est intimement lié. Prédiction des aptitudes

Answer 40

Évaluation **rétro**spective : Le comportement que l’on **veut prédire est déjà connu** (ex. : le délinquant en libération conditionnelle a-t-il récidivé oui ou non?) On remplit l’instrument d’évaluation pour voir si les résultats **concordent avec le comportement déjà observé** Évaluation **pro**spective : Le comportement qu’on veut **prédire n’est pas connu** (ex. : le délinquant en libération conditionnelle récidivera-t-il oui ou non?) **Faire passer **l’instrument dans un **1er temps**. Après un certain temps, **évaluer si nos prédictions étaient bonnes** (mesure réelle de la récidive)

Answer 41

Validité = acquisition de connaissances + compréhension de la nature du phénomène

Answer 42

Plusieurs sources de données Plusieurs méthodes de collecte de données Plusieurs méthodes d’analyse de données

Answer 43

concevoir des échelles qui **mesurent mieux nos concepts que des variables seules** **limiter l’erreur de mesure** et donc une façon de le faire est de construire des échelles l’**alpha de Cronbach** permet de vérifier la qualité des échelles.

Answer 44

mesure de la consistance interne d’un ensemble d’items formant une mesure présuppose que les mesures du phénomène vont toutes dans le même sens ## Footnote permet de vérifier que les questions (indicateurs) que l’on a rassemblées permettent effectivement de mesurer des choses similaires.

Answer 45

Utilisation : variables continues de type intervalle ou ratio ; échelles ordinales Attention : toutes les variables contenues dans l’échelle doivent être de même nature ! On retient les items qui sont une forte corrélation avec le total Améliore la consistance interne L’alpha est une mesure qui est influencée par le nombre d’items | entre 0 et 1, 1 étant sus ## Footnote comment chaque question corrèle avec le score total de l’échelle. C’est ce qui va nous donner une indication sur quelles questions sont les plus pertinentes pour mesurer le concept total. (SPSS)

Answer 46

Si on voit que l’alpha obtenu est le plus élevé on reste comme ça (rien n'est plus haut que 0,75 si un item est retiré) Si on voit que l’alpha serait meilleur en supprimant un item, on refait l’analyse en supprimant l’item pour vérifier (l'alapha de plus de 0,75 si l'item est retiré) Aussi si ''corrected item - total correlation'' est négative = retirer l'item ## Footnote Objectif est de garder un alphaC identique ou supérieur (qui se rapproche de 1)

Answer 47

nom différent : le KR-20 Identifier les variables dichotomiques Faire des fréquences pour s’assurer qu’elles sont bien dichotomiques Calculer l’alpha de Cronbach mais on va l’appeler KR-20 Créer l’échelle en additionnant les variables avec SPSS

Answer 48

Identifier les concepts que l’on veut mesurer, les dimensions, les indicateurs Est-ce que ces variables sont toutes du **même type** (continues, ordinales, dichotomiques) ? Est-ce qu’elles varient toutes dans le **même sens** ? Est-ce que les échelles (ordinales) **sont similaires** ? Si non, les rendre similaires (1 vaut faible pour tous, 5 vaut fort pour tous, tous avec la même unité de mesure (m, cm)) Alpha de Cronbach (ou KR-20 pour variables dichotomies) sur SPSS - Éliminer les variables corrélées négativement (avant dernière colonne avec un - ) - Éliminer les variables qui font baisser l’alpha

Answer 49

2 variables (multivarié = +2) Nominale, ordinale, continue

Answer 50

Consommation de drogue et crime violent ne **peuvent pas être catégorisé** comme nominale, continue, ordinale pour savoir comment les mesurer ex: Consommé et non consommé (nominale, dichotomique), Quelle drogue (nominale, polytomique), quel niveau Quelle crime (nominale), degré de violence (ordinale)

Answer 51

conclusions peu valides

Answer 52

La **signification** : Existe-t-il une relation statistiquement significative entre les deux variables ? La **force **de la relation : Ce lien est-il important ? Le **sens** de la relation : Que veut dire ce lien en termes concrets?

Answer 53

p-value moins de 0.05 (5%) = seuil de tolérance | Si dûe au hasard, changer de type d'analyse ## Footnote Signification: est-ce que c’est statistiquement significatif / relation réelle entre les deux, ou hasard

Answer 54

Seuil minimal **Probabilité de se tromper** en affirmant qu’il existe un lien entre les variables. **Rejet de H0** (hypothèse nulle) Indique qu’il existe un lien/ une différence significative entre les variables **Dépend du nombre de participants** p ≤ 0,05 : nous avons **moins de 5 chances sur 100 de nous tromper** en affirmant qu’il existe une relation significative | Si peu de participant, besoin de grande différence pour que ça paraisse

Answer 55

la **force** de la relation | près de 1 = fort criminologie = max 0.8

Answer 56

**Différent** pour** chaque test** statistique Dépend du **domaine d’étude** Coefficient de plus de 0,80 indique la colinéarité (risque de mesurer la même chose = près de 1)

Answer 57

Sens de la relation ## Footnote Si significativité est forte, permet de savoir la relation entre les 2 variables, mais besoin d’une analyse du sens des relations

Answer 58

Permet de facilement regrouper des information Tester le lien de dépendance/indép entre 2 variables catégorielle/nominale

Answer 59

Échantillon aléatoire (dans le cours, prendre pour quis que c'est aléatoire) Les nombres ne doivent pas être trop petits : Le total ne doit pas être plus petit que 20 La fréquence dans chaque case ne doit pas être inférieure à 5

Answer 60

signification : khi2 force : Phi ou V de Cramer sens : comparaiseon de % dans un tableau

Answer 61

Rappel : deux variables **catégorielles/nominale** Le nom de la statistique utilisée : **X2 / Chi carré** Si chi2 est p<0.05 = relation significative

Answer 62

On ne peut pas déduire la force à partir de la significativité Phi pour 2 x 2 V de Cramer pour k x k

Answer 63

**Tableau 2 x 2** : On regarde les pourcentages indiqués dans le tableau **Tableau k x k **: Plus difficile à interpréter Plus d’analyses sont nécessaires : Création de variables muettes (dummy variables) Variables **dichotomiques** Autant de variables muettes que de catégories ## Footnote Transformer le kxk en 2x2, Faire un chi2 à l’aide d’un tableau 2x2

Answer 64

Question de recherche : Existe-t-il une **relation entre le statut de minorité visible du meurtrier et le sexe de la victime**? Réponse : I**l existe une relation statistiquement significative** entre le statut de minorité visible du meurtrier et le sexe de sa victime **(Chi2 = 10,46 ; p = 0,001)**. Cette r**elation peut être considérée comme faible (Phi = 0,17)**. Les meurtriers appartenant à une minorité visible ont **tué des hommes dans 75,8%** des cas **(n = 179)**, cette proportion étant **statistiquement supérieure** aux meurtriers n’appartenant pas à une minorité visible **(59,5% ; n = 75)**. ou Les meurtriers appartenant à une minorité visible ont tué des femmes dans 24,2% des cas (n = 57), cette proportion étant statistiquement inférieure aux meurtriers n’appartenant pas à une minorité visible (40,5% ; n = 51).

Answer 65

Principe des tests de moyennes est de comparer des distributions pour voir si la différence entre les distributions est significative

Answer 66

famille des test de moyennes 1. Échantillon **aléatoires** indépendant 2. **Distribution** de la variable continue est **normale** 2. n>30 3. les variances sont comparables/homogènes (Test de **Levene** NON-SIGNIFICATIF p **>** 0.05 --> variance est similaire (dos de chameau) variance meh si p>0.05 et p<0,1 (une des bosses près de la moyenne) ## Footnote Idée test de moyenne est d’avoir plusieurs groupe et voir à quel point se distinguent avec un test continus

Answer 67

2 groupes = T de student +2 groupes = Oneway Anova

Answer 68

pas de postulats tableaux de contingence

Answer 69

Famille de correlations 1. variables continues 2. absence de valeur(s) extrême(s) 3. distribution normales 4. linéarité de la relation

Answer 70

4/4 = test paramétrique - R de Pearson 3/4 et - = test non paramétrique - Rho de Spearman

Answer 71

Variable catégorielle ET continue compare 2 groupes Principe: rapport de différence des moyennes sur l'erreur standard Objectif: déterminer si les 2 moyennes sont égales ou non Si moyennes similaires = non significatif Si moyennes différentes = significatif, donc lien statistiquement significatif

Answer 72

**Signification**: Existe-t-il un lien (statistiquement significatif) entre mes variables ? - P associé au coefficient t **(p < 0.05)** **Force** : Ce lien est-il important ? - Valeur de l’Eta2 (force des tests de moyennes paramétriques) **Entre 0 et 1** **Sens** : Que veut dire ce lien concrètement ? (comparez les moyennes) - Comparaison de moyennes dans un tableau ## Footnote FORCE: Son interprétation va dépendre du domaine étudié et du type de domaine d’étude

Answer 73

1. Valeu de N (>30) 2. Test Levene : SIG (>0.05 = good) 3. t-test: SIG 2 tailed (<0.05 = good) 4. Comparer les moyennes avec le tableau où il y avait N (SPSS : utiliser pour Eta2)

Answer 74

Objectif : comparer les moyennes de trois groupes ou plus Mêmes postulats d’utilisation que le test T !

Answer 75

Si p>0.05 (trois bosses à la même place ou presque) Significatif même si 2 bosses sont à la même place tant qu'une est mis à part

Answer 76

Objectif des post hoc : **comparer les sous-groupes** en tenant compte d’une correction mathématique de l’erreur **Scheffé** : utilisé dans le cas de groupes de **tailles différente ** **Tukey** : Utilisé seulement quand les groupes sont de **taille semblable**

Answer 77

comparer deux distributions pour savoir si la différence perçue entre celles-ci est significative ou si elle est due au hasard 2 variables continues

Answer 78

Distance de chacun des points avec la droite hypothétique

Answer 79

les 2 variables ne doivent pas mesurer la même chose ou une partie de la même chose (ex: examen final et note intra)

Answer 80

ressemble courbe normale (une variable sur axe des x et nombre de participant sur axe des y)

Answer 81

axe des x et axe des y avec un variable sur les axes

Answer 82

**Singification**: P associé au coefficient de corrélation r de Pearson **Force:** Valeur du r de Pearson petit = faible **Sens**: Le signe (+ ou -) de la valeur r de Pearson entre **-1 et 1** (-1 et 1 = l'un prédit l'autre parfaitement = rare)

Answer 83

r^2 : proportion de variance expliquée (en %) (r x r) = Pourcentage qui correspond à la variabilité Dans quelle mesure **vi affecte vd**, savoir si relation entre les variables Ex: les placements antérieurs vont permettre de comprendre 56,3% de la variance dans le nb de crimes

Cours 6 à 12 Flashcards

(107 cards)